Python 检测opencv中的圆形形状

每个人，我对OpenCV和计算机视觉都是相当陌生的，我被这个问题困住了，这个问题看起来可能很琐碎，但请原谅我的无知：）

我试图从横截面图像中检测钢筋

我正在使用以下代码：

import cv2
import cv2.cv as cv
import numpy as np

img = cv2.imread('test/t2.jpg',0)
img = cv2.equalizeHist(img)
cimg = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)

circles = cv2.HoughCircles(img,cv.CV_HOUGH_GRADIENT,1,10,param1=50,param2=30,minRadius=0,maxRadius=25)

circles = np.uint16(np.around(circles))
for i in circles[0,:]:
    # draw the outer circle
    cv2.circle(cimg,(i[0],i[1]),i[2],(0,255,0),2)

cv2.imshow('detected circles',cimg)
cv2.waitKey(0)
cv2.destroyAllWindows()

这是我目前得到的结果，不太好：

我正在寻找如何继续这个问题的指针，以及如何学习更多关于简历，因为我真的很感兴趣

---

非常感谢

HoughCircles

不足以在像您这样的复杂图像中检测圆

所以我们已经对此进行了一些讨论。你可以用高质量的答案来引用这些帖子

标准方式：

噪声图像：

另一种方法：

---

通过在这一行上更好地设置参数，可以稍微改善这些结果：

circles = cv2.HoughCircles(img,cv.CV_HOUGH_GRADIENT,1,10,param1=50,param2=30,minRadius=0,maxRadius=25)

例如，可以稍微减小maxRadius并增加灵敏度

---

然而，以我的经验，在这样的图像上你不会得到好的结果。它非常复杂，圆圈不规则且角度不同。如果你的目标是练习，那么一定要使用这些参数，并尝试不同的方法来提高它。不过，我看不出有什么实际用途

您可以使用trackpy模块在此处检测功能。你需要用奇数改变特征尺寸，看看哪一个匹配得最好。您可能还需要进行一些预处理，如将图像转换为灰度

import trackpy as tp
import numpy as np
import pandas as pd
import pims
import matplotlib.pyplot as plt

#%% importing the data
frames=pims.ImageSequence('F:/TrapHysteresis/processing/Positions/*.TIF')

#%% tracking circles and center positions
featuresize=71
f1=tp.locate(frames[0],featuresize)

plt.figure()
tp.annotate(f1,frames[0])

---

你有什么问题？哦，对不起，我忘了提到主要部分，我无法正确地检测到这些，这就是我得到的结果